基于模板的PCNNs指纹细化算法

针对现行的一些细化方法在细化二值指纹图像时容易产生断裂和毛刺的状况,提出了一种基于正方形模板和三角形模板的脉冲耦合神经网络细化方法,并加入一种方向约束条件来避免经常出现的指纹脊线毛刺。实验结果表明,该算法不但能有效地缩短细化时间,而且细化后的指纹图像不会产生断裂和毛刺现象。此外,将该算法应用到自动指纹识别系统中后,不仅缩短了识别时间,而且识别率也得到了明显提高。     

SIMO系统辅助变量最小二乘盲辨识方法

辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。针对盲辨识领域研究最多的单输入多输出(SIMO)系统,利用辅助变量方法研究相应的盲辨识方法,其基本思想是联立其中两个子系统进行辨识,利用其他子系统的输出来构造辅助矩阵,从而提出了辅助变量最小二乘盲辨识方法,来获得系统参数估计。还给出所提算法的递推形式,并进行了收敛性分析。仿真例子验证了所提方法的有效性。     

动态调节模型的多新息广义随机梯度算法

提出了动态调节模型的多新息广义随机梯度辩识算法来估模型参数,仿真例子说明提出的算法能给出满意的辩识效果.     

基于双率采样数据的动态调节系统辨识

对于双率采样数据的动态调节模型,利用多项式变换得到一个方程误差自回归滑动平均模型,使用估计的噪声项代替信息向量中的未知噪声,提出了辨识双率系统的广义增广随机梯度算法,以及广义增广遗忘梯度算法。仿真例子说明了提出算法的有效性。     

损失数据自回归模型的随机梯度辨识算法

运用多项武变换技术将损失观测数据自回归模型转化为一种特殊形式的模型,该模型可以利用稀少观测数据来辨识模型参数,再利用模型等价原理来估计损失观测数据,提出了基于残差的随机梯度辨识算法,仿真结果验证了提出算法的有效性.     

线性多变量系统的辨识规范型及结构辨识算法

从线性多变量系统状态空间规范型导出了系统的新输入输出辨识规范型，该模型直接与系统的输入输出数据相联系，且待辨识的参数较少，与现在的Ｇｕｉｄｏｒｚｉ辨识模型相比，大大减少了各子系统输出间的重迭（ｏｖｅｒｌａｐｐｉｎｇ）数目。给出了确定其结构指标的算法。数值实例表明了算法的有效性。     

多变量系统的辅助模型辨识算法

提出了辨识线性多变量系统参数的辅助模型方法。它使得系统存在量测噪声的无偏参数估计问题得到解决。文中分析了算法的收敛性，并给出了仿真例子。     

标准化对平衡实验教学质量的功能解

标准化＂统一＂、＂简化＂、＂协调＂、＂选优＂的功能四围特点与高等教育本科实验教学的合理开展及方法创新的教学建构特点催化了两者之间的密切结合性,广义标准化的消除不规则功能和狭义空间化的单项具体实验需求理想效果所必须遵循佳化模式合成了两者之间的紧密环绕性,标准化的重复性并实验教学的反复性又可逐一叠加＂统一、简化、协调、选优＂的矩形结构功能,继而呈现＂统一、简化、协调、选优、平衡、创新＂的立方体结构。文章从悉心观察、科学分析、理论推理、实践揣摩四个角度,旨在使＂标准化这门具有基础指导性、广泛交叉性、普遍应用性的大众化的科学以其规矩的形态＂填充进＂本科实验教学这类具有高等教育性、广泛学习性、普遍了解性的系统化的空间＂中去,以期使大学本科教学质量达到可以形成一个＂立方体结构＂的模型规律化和方位明朗化的标准化效果。     

遗忘漂移时变系统的辨识

遗忘漂移时变系统的辨识极为困难 ,关键在于参数模型中的矩阵 H是未知的。为解决此问题 ,提出了当 H已知时 ,采用遗忘梯度辨识算法和多新息辨识算法 ;当 H未知时 ,采用递阶辨识方法。提出的遗忘梯度算法、遗忘漂移多新息辨识和递阶辨识算法的计算量都较增广 Kalm an滤波算法小。仿真结果表明 :遗忘梯度算法估计遗忘漂移时变参数的精度优于 Kalm an滤波算法     

状态空间模型方程阶次的辨识

为了判定状态空间方程的阶次 ,提出了相关分析方法。其步骤是 :把状态空间模型化为能观测性规范性 ,导出系统输出相关函数所满足的线性回归方程 ,通过观查数据乘积矩矩阵行列式随其维数的变化情况 ,从而确定系统的阶次。该方法的特点是 :无论系统是否存在噪声 ,都是通过检验某一准则函数值是否为零而获得系统阶次。在系统无噪声和有噪声两种情况下进行了数字仿真研究 ,利用相关方法确定的阶次与系统的真实阶次相吻合。结果表明 :该文的方法在判定状态空间方程的阶次方面是有效的